基于PSO-KPCA-LVQ的燃气调压器故障诊断

作者：王莹; 王亚慧; 安允

来源：现代电子技术, 2020, 43(24): 67-71.

DOI：10.16652/j.issn.1004-373x.2020.24.018

• 燃气调压器
• 故障诊断
• 数据处理
• 核参数优化
• 数据分类
• 算法比较

针对燃气调压器故障数据的非线性、非平稳与高维度的特点,提出基于粒子群优化(PSO)的核主元分析法(KPCA)与学习向量量化神经网络(LVQ)的故障诊断方法。先采用KPCA对故障数据进行降维和降噪,由于核函数中未知参数难以确定,采用粒子群算法(PSO)进行优化得到最优的核参数;然后采用LVQ对数据进行识别分类;最后,将PSO-KPCA-LVQ算法故障诊断正确率及运行时间分别与PSO-KPCA-SVM算法以及LVQ算法进行比较。结果表明,基于PSO-KPCA-LVQ的故障诊断模型优于其他两种算法,验证了该文算法的有效性。

• 单位
  北京建筑大学